将数据导入 Google Colaboratory

Posted

技术标签:

【中文标题】将数据导入 Google Colaboratory【英文标题】:Import data into Google Colaboratory 【发布时间】:2018-04-09 17:30:38 【问题描述】:

将私人数据导入 Google Colaboratory 笔记本的常用方法有哪些?是否可以导入非公开的 Google 表格?您无法从系统文件中读取。介绍性文档链接到 guide on using BigQuery,但这似乎有点……很多。

【问题讨论】:

【参考方案1】:

此处提供了演示本地文件上传/下载以及与 Drive 和工作表集成的官方示例笔记本: https://colab.research.google.com/notebooks/io.ipynb

共享文件的最简单方法是装载您的 Google 云端硬盘。

为此,请在代码单元格中运行以下命令:

from google.colab import drive
drive.mount('/content/drive')

它会要求您访问允许“Google 文件流”的链接以访问您的驱动器。之后将显示一个长的字母数字身份验证代码,需要将其输入到 Colab 的笔记本中。

之后,您的云端硬盘文件将被挂载,您可以使用侧面板中的文件浏览器浏览它们。

这是full example notebook

【讨论】:

一个工作表示例现在包含在一个捆绑的示例笔记本中,该示例还包括 Drive 和 Google Cloud Storage 的配方:colab.research.google.com/notebook#fileId=/v2/external/… 我可以在我的云端硬盘中导入特定文件夹吗?我正在与其他人共享此 colab,并且我不想授予对包含敏感信息的所有 Google 云端硬盘的访问权限 如果您共享笔记本,您的云端硬盘中的文件将不会被共享。用户仍然需要安装自己的驱动器,这是独立的。如果需要,您可以与该用户共享文件,但所有这些都由普通 Drive ACL 控制。共享 Colab 笔记本仅共享该笔记本,而不共享该笔记本中引用的云端硬盘文件。 我的挂载成功了,但是我看不到左侧文件下的文件列表。有什么建议吗? 不要对挂载的谷歌驱动器中的数据进行训练。首先将数据复制到本地驱动器,然后对其进行训练。它将快近 10 倍。为了更快地复制,请确保数据文件是大档案或一些较小的档案。例如:- 不要使用 100000 个图像文件。使用 100 个档案,每个档案包含 1000 张图像。这种方式上传到 google drive 也更快,从 google drive 复制到 colab 也是如此【参考方案2】:

上传

from google.colab import files
files.upload()

下载

files.download('filename')

列出目录

files.os.listdir()

【讨论】:

上传的文件是存储在用户的google驱动器还是笔记本连接的服务器上? 这些文件不是临时的吗? 上传有什么说法吗? 这个答案应该在顶部。问题是关于导入数据,而不是安装谷歌驱动器。【参考方案3】:

第 1 步 - 将您的 Google Drive 安装到 Collaboratory

from google.colab import drive
drive.mount('/content/gdrive')

第 2 步 - 现在您将在左侧窗格(文件资源管理器)中看到您的 Google Drive 文件。右键单击需要导入的文件并选择 çopy 路径。 然后像往常一样在 pandas 中导入,使用这个复制的路径。

import pandas as pd
df=pd.read_csv('gdrive/My Drive/data.csv')

完成!

【讨论】:

以清晰和简洁取胜,并具有同等效力。我认为更复杂的方法没有优势。【参考方案4】:

从您的 googledrive 导入数据的简单方法 - 这样做可以节省人们的时间(不知道为什么 google 没有明确列出这一步骤)。

安装并验证 PYDRIVE

     !pip install -U -q PyDrive ## you will have install for every colab session

     from pydrive.auth import GoogleAuth
     from pydrive.drive import GoogleDrive
     from google.colab import auth
     from oauth2client.client import GoogleCredentials

     # 1. Authenticate and create the PyDrive client.
     auth.authenticate_user()
     gauth = GoogleAuth()
     gauth.credentials = GoogleCredentials.get_application_default()
     drive = GoogleDrive(gauth)

正在上传

如果您需要从本地驱动器上传数据:

    from google.colab import files

    uploaded = files.upload()

    for fn in uploaded.keys():
       print('User uploaded file "name" with length length bytes'.format(name=fn, length=len(uploaded[fn])))

执行,这将显示一个选择文件按钮 - 找到您的上传文件 - 点击打开

上传后会显示:

    sample_file.json(text/plain) - 11733 bytes, last modified: x/xx/2018 - %100 done
    User uploaded file "sample_file.json" with length 11733 bytes

为笔记本创建文件

如果您的数据文件已经在您的 gdrive 中,您可以跳到此步骤。

现在它在您的谷歌驱动器中。在您的谷歌驱动器中找到该文件并右键单击。点击获取“可共享链接”。你会得到一个窗口:

    https://drive.google.com/open?id=29PGh8XCts3mlMP6zRphvnIcbv27boawn

复制 - '29PGh8XCts3mlMP6zRphvnIcbv27boawn' - 这是文件 ID。

在你的笔记本中:

    json_import = drive.CreateFile('id':'29PGh8XCts3mlMP6zRphvnIcbv27boawn')

    json_import.GetContentFile('sample.json') - 'sample.json' is the file name that will be accessible in the notebook.

将数据导入笔记本

要将您上传的数据导入笔记本(本例中为 json 文件 - 加载方式取决于文件/数据类型 - .txt、.csv 等):

    sample_uploaded_data = json.load(open('sample.json'))

现在您可以打印以查看数据是否存在:

    print(sample_uploaded_data)

【讨论】:

值得指出的是,通过google.colab.files.upload() 提出的上传 建议似乎不适用于Firefox 和Safari,仅适用于Chrome。见here【参考方案5】:

我做的最简单的方法是:

    使用您的数据集在 github 上创建存储库 使用 ! 克隆您的存储库git clone --recursive [GITHUB LINK REPO] 查找您的数据在哪里(!ls 命令) 使用 pandas 打开文件,就像在普通的 jupyter 笔记本中一样。

【讨论】:

嗨,有了这个 gapminder = pd.read_csv("Data-Analysis/pairplots/data/gapminder_data.csv") 我只得到“版本 https://..” 变量只有 2 个观察 如果单个文件大小超过 github 允许的限制,如果免费版本为 20MB,则此解决方案将无法解决。【参考方案6】:

这允许您通过 Google Drive 上传文件。

运行下面的代码(之前在某个地方找到了这个,但我再也找不到源代码了——感谢编写它的人!):

!apt-get install -y -qq software-properties-common python-software-properties module-init-tools
!add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null
!apt-get update -qq 2>&1 > /dev/null
!apt-get -y install -qq google-drive-ocamlfuse fuse

from google.colab import auth
auth.authenticate_user()
from oauth2client.client import GoogleCredentials
creds = GoogleCredentials.get_application_default()
import getpass

!google-drive-ocamlfuse -headless -id=creds.client_id -secret=creds.client_secret < /dev/null 2>&1 | grep URL
vcode = getpass.getpass()
!echo vcode | google-drive-ocamlfuse -headless -id=creds.client_id -secret=creds.client_secret

点击出现的第一个链接,提示您登录 Google;之后会出现另一个请求访问您的 Google Drive 的权限。

然后,运行它会创建一个名为“drive”的目录,并将您的 Google Drive 链接到它:

!mkdir -p drive
!google-drive-ocamlfuse drive

如果您现在执行!ls,将会有一个目录驱动器,如果您执行!ls drive,您可以看到您Google Drive 的所有内容。

例如,如果我将名为 abc.txt 的文件保存在 Google 云端硬盘中名为 ColabNotebooks 的文件夹中,我现在可以通过路径 drive/ColabNotebooks/abc.txt 访问它

【讨论】:

Source【参考方案7】:

在任何合作实验室的左侧栏都有一个名为“文件”的部分。 在那里上传您的文件并使用此路径

"/content/YourFileName.extension"

例如:pd.read_csv('/content/Forbes2015.csv');

【讨论】:

确保你已经直接上传到根目录而不是'sample_data'目录。此外,您可以删除“内容”并只写文件名,如:pd.read_csv('Forbes2015.csv'); 如果还是不行,能告诉我错误信息吗? @flashliquid 没有必要。即使没有'/'也可以工作。你可以在 colab 上测试一下。【参考方案8】:

从 Dropbox 快速轻松地导入:

!pip install dropbox
import dropbox
access_token = 'YOUR_ACCESS_TOKEN_HERE' # https://www.dropbox.com/developers/apps
dbx = dropbox.Dropbox(access_token)

# response = dbx.files_list_folder("")

metadata, res = dbx.files_download('/dataframe.pickle2')

with open('dataframe.pickle2', "wb") as f:
  f.write(res.content)

【讨论】:

【参考方案9】:

上传数据/将数据导入 Google colab GUI 的最佳且简单的方法是单击最左侧的第三个选项“文件”菜单图标,您将在 Windows 操作系统中上传浏览器文件。查看下方图片以获得更好的效果易于理解。单击以下两个选项后,您将轻松获得上传窗口框。完成工作。

from google.colab import files
files=files.upload()

【讨论】:

【参考方案10】:

到目前为止,我发现的最适合中小型 CSV 文件的最简单的解决方案是:

    在 gist.github.com 上创建一个秘密 gist 并上传(或复制粘贴内容)您的文件。 点击 Raw 视图并复制原始文件 URL。 调用pandas.read_csv(URL)时使用复制的URL作为文件地址

这对于逐行读取文本文件或二进制文件可能有效,也可能无效。

【讨论】:

重要的是要注意,虽然秘密要旨很难被发现,但它们不是私密的,因此任何使用这种方法的人都应该小心。【参考方案11】:

对于那些像我一样来自 Google 的关键字“上传文件 colab”的人:

from google.colab import files
uploaded = files.upload()

【讨论】:

【参考方案12】:

您还可以在https://github.com/ruelj2/Google_drive 上使用我在 google.colab 和 PyDrive 上的实现,这样会更容易。

!pip install - U - q PyDrive  
import os  
os.chdir('/content/')  
!git clone https://github.com/ruelj2/Google_drive.git  

from Google_drive.handle import Google_drive  
Gd = Google_drive()  

然后,如果你想加载 Google Drive 目录中的所有文件,只需

Gd.load_all(local_dir, drive_dir_ID, force=False)  

或者只是一个特定的文件

Gd.load_file(local_dir, file_ID)

【讨论】:

在这种情况下,“drive_dir_ID”是什么? 在 git repo 中提到,drive_dir_ID 是请求目录对应的 Google Drive ID。欲了解更多信息,请查看github.com/ruelj2/Google_drive。还有一个明显的用法示例。【参考方案13】:

正如@Vivek Solanki 所述,我还将我的文件上传到了“文件”部分下的协作仪表板上。 只需记下文件的上传位置即可。为了我, train_data = pd.read_csv('/fileName.csv') 工作。

【讨论】:

【参考方案14】:

在谷歌 colabs 中 如果这是你第一次,

from google.colab import drive
drive.mount('/content/drive')

运行这些代码并通过输出链接 然后把pass-prase传到盒子里

复制时可以如下复制, 转到文件右键单击并复制路径 ***不要忘记删除“/content”

f = open("drive/My Drive/RES/dimeric_force_field/Test/python_read/cropped.pdb", "r")

【讨论】:

【参考方案15】:

    您可以通过运行以下命令安装到谷歌驱动器

    from google.colab import drive drive.mount('/content/drive')

    之后用于训练将数据从 gdrive 复制到 colab 根文件夹。

!cp -r '/content/drive/My Drive/Project_data' '/content'

第一个路径是 gdrive 路径,第二个是 colab 根文件夹。

这种方式对于大数据的训练速度更快。

【讨论】:

【参考方案16】:

我创建了一小段代码,可以通过多种方式执行此操作。你可以

    使用已经上传的文件(重启内核时有用) 使用来自 Github 的文件 手动上传文件
import os.path

filename = "your_file_name.csv"
if os.path.isfile(filename):
  print("File already exists. Will reuse the same ...")
else:
  use_github_data = False  # Set this to True if you want to download from Github
  if use_github_data:
    print("Loading fie from Github ...")
    # Change the link below to the file on the repo
    filename = "https://github.com/ngupta23/repo_name/blob/master/your_file_name.csv" 
  else:
    print("Please upload your file to Colab ...")
    from google.colab import files
    uploaded = files.upload()

【讨论】:

【参考方案17】:

已解决,请在此处查找详细信息,请使用以下功能: https://***.com/questions/47212852/how-to-import-and-read-a-shelve-or-numpy-file-in-google-colaboratory/49467113#49467113

from google.colab import files
import zipfile, io, os

    def read_dir_file(case_f):
        # author: yasser mustafa, 21 March 2018  
        # case_f = 0 for uploading one File and case_f = 1 for uploading one Zipped Directory
        uploaded = files.upload()    # to upload a Full Directory, please Zip it first (use WinZip)
        for fn in uploaded.keys():
            name = fn  #.encode('utf-8')
            #print('\nfile after encode', name)
            #name = io.BytesIO(uploaded[name])
        if case_f == 0:    # case of uploading 'One File only'
            print('\n file name: ', name)
            return name
        else:   # case of uploading a directory and its subdirectories and files
            zfile = zipfile.ZipFile(name, 'r')   # unzip the directory 
            zfile.extractall()
            for d in zfile.namelist():   # d = directory
                print('\n main directory name: ', d)
                return d
    print('Done!')

【讨论】:

【参考方案18】:

这是将文件从谷歌驱动器导入笔记本的一种方法。

打开 jupyter notebook 并运行以下代码并完成身份验证过程

!apt-get install -y -qq software-properties-common python-software-properties   module-init-tools
!add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null
!apt-get update -qq 2>&1 > /dev/null
!apt-get -y install -qq google-drive-ocamlfuse fuse
from google.colab import auth
auth.authenticate_user()
from oauth2client.client import GoogleCredentials
creds = GoogleCredentials.get_application_default()
import getpass
!google-drive-ocamlfuse -headless -id=creds.client_id -secret=  creds.client_secret < /dev/null 2>&1 | grep URL
vcode = getpass.getpass()
!echo vcode | google-drive-ocamlfuse -headless -id=creds.client_id -secret=creds.client_secret

完成上述代码后,运行以下代码挂载谷歌驱动器

!mkdir -p drive
!google-drive-ocamlfuse drive

将文件从谷歌驱动器导入笔记本(例如:Colab_Notebooks/db.csv)

假设您在 Colab_Notebooks 文件夹中的数据集文件,其名称为 db.csv

import pandas as pd
dataset=pd.read_csv("drive/Colab_Notebooks/db.csv")

希望对你有帮助

【讨论】:

【参考方案19】:

如果你想在没有代码的情况下做到这一点,这很容易。 在我的情况下压缩你的文件夹

数据集.zip

然后在 Colab 中右键单击要放置此文件的文件夹,然后按上传并上传此 zip 文件。之后编写这个 Linux 命令。

!unzip <your_zip_file_name>

可以看到你的数据上传成功了。

【讨论】:

【参考方案20】:

如果数据集大小小于 25mb,上传 CSV 文件的最简单方法是从您的 GitHub 存储库。

    点击存储库中的数据集 点击查看原始按钮 复制链接并将其存储在变量中 将变量加载到 Pandas read_csv 中以获取数据帧

例子:

import pandas as pd
url = 'copied_raw_data_link'
df1 = pd.read_csv(url)
df1.head()

【讨论】:

【参考方案21】:

使用 Dropbox 的另一种简单方法是:

将您的数据放入保管箱

复制文件的文件共享链接

然后在 colab 中做 wget。

例如: ! wget - O 文件名文件链接(like-https://www.dropbox.com/.....)

你就完成了。数据将开始出现在您的 colab 内容文件夹中。

【讨论】:

【参考方案22】:

您可以使用以下功能。我假设您正在尝试上传数据框类型的文件(.csv、.xlsx)

def file_upload():
    file = files.upload()
    path = f"/content/list(file.keys())[0]"
    df = pd.read_excel(path)
    return df

#your file will be saved in the variable: dataset
dataset = file_upload()

如果您没有更改 google collab 的目录,那么这是最简单的方法

【讨论】:

【参考方案23】:

在 Colab 中只需两行代码。非常简单的方法:

    将一个 zip 存档中的所有文件加载到 Google 云端硬盘。 通过链接让每个人都可以看到它。 从此链接复制 ID。 (例如:在这个链接中https://drive.google.com/open?id=29PGh8XCts3mlMP6zRphvnIcbv27boawn ID 是 29PGh8XCts3mlMP6zRphvnIcbv27boawn) 进入 Colab: !gdown --id 29PGh8XCts3mlMP6zRphvnIcbv27boawn 进入 Colab 的最后一步: ! unzip file_name.zip

瞧!所有需要的文件都准备好在/content/file_name.csvColab 中使用了

感谢 Gleb Mikhaylov,感谢 Gleb Mikhaylov。

【讨论】:

以上是关于将数据导入 Google Colaboratory的主要内容,如果未能解决你的问题,请参考以下文章

如何将onedrive安装到google colaboratory?

使用本地 GPU 的 Google Colaboratory 本地运行时

从Google Colaboratory访问Google Team Drive中的数据

将包含约 20K 图像的文件夹添加到 Google Colaboratory

在 Google Colaboratory Notebook 上安装 GeoViews

在 Google Colaboratory 上保存或下载 matplotlib 绘图图像